前言：free-claude-code号称每月提供13亿免费token，通过本地API代理转发接入61家模型供应商，让你免费用上Claude Code等AI编程工具。但省token的RTK与Headroom之外，代码数据泄露风险、curl|sh安装反模式与Bot远控后门同样不容忽视，本文给出安全白嫖的实操建议。

每个月13亿个免费token，这个六万星的项目，我劝你摸清楚再上车

最近 GitHub 上有个项目，我是真的没法忽视它。

叫 free-claude-code，上线不到一年，六万一千多颗星。它干的事说出来很简单，让你免费用 Claude Code、Codex 这些 AI 编程工具，官方说法是每个月有超过13亿个免费token可以薅。

13亿。你敢信？？？

我第一反应跟很多人一样，天上掉馅饼了？还是说这馅饼底下埋着夹子。于是这几天我把它的 README、文档、还有讨论区翻了个底朝天，越翻越觉得这事儿有意思，值得跟你好好聊聊。

先说它是怎么工作的，这块其实不难懂。

Claude Code 这种工具，原生是绑死官方 API 的，按 token 扣费，用多了钱包会哭。free-claude-code 的思路是在你本地跑一个叫 fcc-server 的代理服务，它把自己伪装成官方 API 端点，你的编码工具以为自己在跟 Anthropic 说话，其实请求全被这个本地服务器截胡了。

截下来之后干嘛呢，转手。

它接了61家模型供应商，NVIDIA NIM、Groq、OpenRouter、DeepSeek、Google Gemini 这些有免费额度的，你手上已有的 ChatGPT Plus、GitHub Copilot 订阅，甚至你本地用 Ollama 跑的开源模型，全都能接进来。11个编码助手，一个模型目录，随便切。

这还只是基础操作。

顺着往上翻，有个细节我觉得做得挺骚的，容灾。免费 API 嘛，最大的问题就是限速和崩，你正写代码呢它突然 429 了。free-claude-code 的处理是重试耗尽之后自动切到你配置的下一个模型，不用重启会话，代码写到一半也不打断。

然后是我这次翻文档翻得最起劲的部分，RTK 和 Headroom，两个专门省 token 的工具。

你想想看，AI 编程助手干活的时候要不停在终端跑命令，装依赖、跑测试、查文件。这些命令的输出有多吓人，跑过的人都知道，一个 npm install 能吐四千多行日志，里面九成九是进度条和样板废话，对 AI 毫无价值，但每一行都在烧你的 token。

RTK 是个 Rust 写的终端代理，卡在中间把这些噪音过滤掉。效果有多夸张，官方给的例子，git status 原生输出119个字符，过滤完剩28个。npm install 四千多行，折叠成15行的核心状态。终端输出的 token 能省60%到90%。

Headroom 更狠一点，它工作在网络层，在你的编码工具和模型 API 之间飞着压缩请求体，长 JSON、冗长的工具返回结果统统压一遍，但源代码原封不动，因为压了 AI 就看不懂了。消息体积能再减34%。愚钝如我，翻到第三遍文档才看明白这俩到底分别卡在哪一层。

俩加一块，官方说法是 token 用量最多降90%。

90%。。。我盯着这个数字看了好几秒。

怎么说呢，看到这我一度觉得这项目简直是活菩萨。

但。

真正的重点来了。省钱的账算完了，另一本账也得算，安全的账。

先泼个冷水，这项目推荐的一键安装方式是 curl 一段脚本直接 pipe 给 sh 执行。干这行的朋友都知道，这是安全圈公认的「反模式」，你等于闭着眼把机器权限交给一个网络脚本。今天仓库是干净的，不代表明天是，一旦上游被篡改，你的机器就直接中招。而且它依赖一大堆 Python 包，供应链攻击的面不小。

再说数据。这才是我这次研究完最想敲黑板的。

AI 编程助手要干活，就得读你的文件、跑你的命令、看你的报错。所以你整个项目的代码、系统环境变量、终端输出，全都会被打包进 prompt 发出去。发到哪，取决于你配了哪家供应商。

如果你配的是正经大厂，有明确条款说不拿用户数据训练，那还好。但如果你为了白嫖，配了个不知名的小型免费 API，那你的公司代码、你的核心业务逻辑，大概率会被对方收走，甚至变成下一个模型训练集里的养料。

你以为你在薅羊毛，其实你是羊毛本毛。

还有个更隐蔽的坑。这项目支持通过 Discord Bot 和 Telegram Bot 远程编码，人在外面发条消息，家里的电脑就开始干活。听着很爽对吧，但你想想，编码助手手里握着什么，文件读写，终端执行。一旦你的 Bot Token 或者帐号泄了，或者授权白名单配错了，等于把你家电脑的后门朝全世界敞开。

顺着上面的再聊聊，API Key 这块也得注意。这工具要你填一堆各平台的 key，全存在本地 ~/.fcc/ 目录里。key 放本地本身没毛病，但你要是图省事拿主账号的 root key 去填，一旦泄露，那就是真金白银的损失。

坦率的讲，写到这里我也能猜到有朋友要说了，你这是吓唬谁呢，我一个学生，写的是课程作业，有什么好泄的。

我非常理解这种想法。你不是在大厂做机密项目，你就是一个普通的开发者，或者学生，正版的 Claude Code 每月二十美金，换成人民币一百多，够吃好几顿好的了，现在有个工具能一分钱不花用上同款，凭什么不用。

六万一千颗星背后，我有时候会忍不住想都是些什么人。可能是一个二三线城市刚入行的程序员，房租一千二，订阅费他不是不想掏，是真肉疼。可能是一个大三学生，宿舍熄灯之后还在被毕设折磨，GitHub 对他来说就是免费的自助餐厅。他们不关心条款和协议，只关心今天能不能不花钱把代码跑通。

这个处境完全合理，我不是来劝退的。我是真的觉得，白嫖可以，但得白嫖得明白。

所以几条实在的建议，都是今天就能做的。

公司项目、商业闭源项目，坚决别碰不知名的免费 API，要么指向企业级的 Azure OpenAI、AWS Bedrock，要么干脆本地 Ollama 跑开源模型，数据不出机器。给这工具专门开一套带限额的 key，别用主账号的。Discord 和 Telegram 远控，没刚需就别开，要开就把 User ID 白名单一个一个核对清楚。安装的时候，尽量下载源码包自己看一眼再跑，别无脑 curl | sh。

还有一条最容易被忽略的，RTK 和 Headroom 这两个省 token 的开关，也不是无脑开就好。

它们省钱的原理是过滤和压缩，而过滤这个东西，天然有误伤。冷门工具的报错格式不标准，警告信息刚好是你 bug 的核心线索，RTK 可能把它当噪音吃掉，AI 看到的是一片祥和，实际底下炸了锅。你发现 AI 开始鬼打墙，反复跑同一条命令，或者一直说没看到报错信息让你重试，第一反应应该是把优化关了，让它看原始输出，不然它能跟你鬼打墙鬼到天亮 = =

还有，你让 AI 分析几千行的日志、清洗数据这种活，千万别开这俩，它们是帮写代码的，不是帮做文本分析的。大文件也一样，尽量让 AI 用 grep 按行号去读，别整文件 cat，不然 Headroom 一压缩，关键数据正好在被截断的那段里，AI 就开始一本正经地胡说八道了。